儿童甲流重症风险预测新模型：基于多中心队列的列线图构建与验证

《BMC Pediatrics》：A simple, rapid, and cost-effective model for predicting critical influenza a infection in children: a multicentre, retrospective cohort study

为解决儿童甲型流感(IAV)重症早期识别缺乏有效工具的临床难题，研究人员开展了一项多中心回顾性队列研究。该研究成功构建并验证了一个包含食欲减退、≥2次惊厥、中性粒细胞-淋巴细胞比值(NLR)、血红蛋白(Hb)及并发症总数5个指标的列线图预测模型。该模型在训练集和验证集中AUC分别高达0.905和0.868，显示出优异的区分能力，为临床早期精准识别重症高风险患儿提供了有力工具。

　　

每年冬春季节，甲型流感病毒(IAV)都会在全球范围内引发不同程度的流行，而儿童是流感病毒感染的高危人群。数据显示，在某些流行季节，儿童的流感年感染率可高达50%，且住院患者中近半数年龄小于18岁。更令人担忧的是，尽管大多数患儿表现为自限性发热和呼吸道症状，但部分患儿病情会急转直下，发展为重症甚至危重症，累及肺部、心脏、大脑等多个器官，导致病毒性肺炎、急性坏死性脑病、休克甚至死亡。危重症患儿往往需要入住儿科重症监护病房(PICU)，不仅医疗资源消耗巨大，其死亡率也高达10.5%至47%。

面对这一严峻挑战，临床医生迫切需要一种能够在疾病早期、甚至在患儿入院时就能准确识别出那些有进展为危重症高风险儿童的“预警”工具。然而，目前临床上缺乏简单、快速且经过科学验证的筛查和评估方法。因此，开发一个能够整合临床病史和常规实验室检查指标，从而精准预测儿童甲流重症风险的模型，对于优化医疗资源配置、实现早期干预、降低患儿死亡率具有极其重要的临床意义。

为了填补这一空白，Xiong et al. 在《BMC Pediatrics》上发表了一项多中心回顾性队列研究，旨在构建并验证一个用于预测儿童甲流危重症风险的列线图模型。该研究纳入了来自无锡市儿童医院、苏州大学附属儿童医院和复旦大学附属儿科医院三家医疗中心的170名住院患儿，并将其随机分为训练集和验证集。研究人员通过单因素Logistic回归和LASSO回归分析，从59个候选变量中筛选出5个关键的独立预测因子，并以此为基础构建了Logistic回归模型，最终绘制成直观的列线图。该模型在训练集和验证集中均表现出色，AUC值分别达到0.905和0.868，显示出良好的区分能力和临床实用性。

主要技术方法

本研究为一项多中心、回顾性队列研究，纳入了2023年2月至2024年2月期间三家医院收治的170名甲流确诊患儿。研究采用7:3的比例将数据随机分为训练集和验证集。在训练集中，通过单因素Logistic回归和LASSO回归分析筛选变量，并基于AIC、Log似然值和C指数等指标，结合临床意义，最终确定了5个独立预测因子。利用Logistic回归构建预测模型，并绘制列线图。模型性能通过受试者工作特征曲线(AUC)、校准曲线、决策曲线分析(DCA)和临床影响曲线分析(CICA)进行评估。

研究结果

基线特征与单因素分析

研究共纳入170名患儿，其中重症组92例，危重症组78例。危重症组患儿的中位年龄(5.53岁)高于重症组(4.31岁)。单因素分析显示，危重症组患儿从发病到就诊的时间更短，且食欲减退、惊厥≥2次、呼吸急促、心率增快、病理反射阳性等临床表现的发生率显著更高。在实验室指标方面，危重症组的中性粒细胞百分比(N%)、中性粒细胞-淋巴细胞比值(NLR)、C反应蛋白(CRP)和降钙素原(PCT)水平显著升高，而淋巴细胞百分比(L%)和血红蛋白(Hb)水平则显著降低。此外，危重症组患儿的并发症总数也明显多于重症组。

预测模型的构建与验证

通过LASSO回归和10折交叉验证，研究人员从22个候选变量中筛选出14个变量。最终，结合临床意义和统计指标，确定了5个独立预测因子用于构建模型，分别是：食欲减退、惊厥≥2次、中性粒细胞-淋巴细胞比值(NLR)、血红蛋白(Hb)和并发症总数。基于这5个因子构建的列线图模型在训练集中的AUC为0.905(95% CI, 0.849-0.960)，敏感性和特异性分别为91.1%和77.8%。在验证集中，该模型的AUC为0.868，敏感性和特异性分别为86.2%和77.3%，显示出良好的泛化能力。

模型的临床实用性评估

决策曲线分析(DCA)和临床影响曲线分析(CICA)结果显示，该列线图模型在广泛的阈值概率范围内均能提供显著的净临床获益。校准曲线和Hosmer-Lemeshow检验(p=0.938)表明，模型的预测概率与实际观察结果之间具有良好的一致性，拟合优度高。

研究结论与讨论

本研究成功构建并验证了一个用于预测儿童甲流危重症风险的列线图模型。该模型纳入了食欲减退、惊厥≥2次、中性粒细胞-淋巴细胞比值(NLR)、血红蛋白(Hb)和并发症总数这五个关键指标。研究结果表明，该模型具有优异的区分能力、良好的校准度和显著的临床净获益，能够有效识别出有进展为危重症风险的患儿。

在讨论中，作者指出，食欲减退是反映患儿全身状况的重要预警信号，而神经系统症状，特别是反复惊厥，是甲流重症的强预测因子，与既往研究结果一致。中性粒细胞-淋巴细胞比值(NLR)作为一种快速、廉价的炎症指标，能够反映机体免疫失衡状态，其升高与疾病严重程度相关。血红蛋白水平降低则可能提示营养不良或炎症反应抑制了造血功能，是病情加重的标志。此外，并发症的数量直接反映了疾病对多器官系统的累及程度，是判断病情严重性的直观指标。

该模型的优势在于其简单、快速且成本低廉，仅需结合临床病史和常规血常规检查结果即可进行风险评估，非常适合在门诊和急诊等资源有限的环境中推广应用。为了便于临床使用，研究人员还开发了一个在线风险计算器，供医生免费使用。

尽管该模型表现优异，但作者也指出了研究的局限性，包括样本量相对较小、数据来源于回顾性研究可能存在偏倚、以及未纳入血氧饱和度等指标。因此，未来需要通过更大样本、多中心的前瞻性研究来进一步验证和完善该模型，以期为儿童甲流重症的早期识别和精准干预提供更可靠的依据。